• 论文 •    下一篇

基于迭代学习的正则非线性多智能体系统的跟踪控制

唐益萍,傅勤,王雪松   

  1. 苏州科技大学数理学院, 苏州 215009
  • 出版日期:2019-08-25 发布日期:2019-12-05

唐益萍,傅勤,王雪松. 基于迭代学习的正则非线性多智能体系统的跟踪控制[J]. 系统科学与数学, 2019, 39(8): 1171-1183.

TANG Yiping, FU Qin, WANG Xuesong. Tracking Control for Regular Nonlinear Multi-Agent Systems via Iterative Learning Algorithm[J]. Journal of Systems Science and Mathematical Sciences, 2019, 39(8): 1171-1183.

Tracking Control for Regular Nonlinear Multi-Agent Systems via Iterative Learning Algorithm

TANG Yiping, FU Qin, WANG Xuesong   

  1. School of Mathematics and Physics, Suzhou University of Science and Technology, Suzhou 215009)
  • Online:2019-08-25 Published:2019-12-05

研究带有领航者的正则多智能体系统基于迭代学习的跟踪控制问题, 该类系统中的所有智能体由连续的非线性动态或由离散的非线性动态构建而成. 在领航者于相应的有向通讯图中全局可达的条件下, 设计得到分布式迭代学习控制协议. 当该迭代学习控制律作用于系统时, 每个跟随者与领航者之间的输出跟踪误差在有限时间区间上沿迭代轴方向趋向于零. 仿真算例说明了所得结论的有效性.

This paper deals with the tracking control problem of regular multi-agent systems with a leader via iterative learning algorithm, and all the agents in the considered systems are governed by the continuous-time nonlinear dynamics or the discrete-time nonlinear dynamics. Under the condition that the leader is globally reachable in the corresponding directed communication graph, the distributed iterative learning control protocols are designed. When the iterative learning control laws are applied to the systems, the output tracking errors between every follower of the multi-agent systems and the leader on the finite time interval can tend to zero along the iteration axis. Simulation examples illustrate the effectiveness of the proposed method.

()
[1] 曹伟,乔金杰. 永磁直线电机存在初态偏差时的迭代学习控制[J]. 系统科学与数学, 2020, 40(10): 1713-1722.
[2] 许丹丹,杨世海. 南极大型望远镜跟踪系统的鲁棒自适应控制研究[J]. 系统科学与数学, 2017, 37(6): 1404-1412.
[3] 杜琼,富月,李婧怡. 具有外部干扰的连续时间线性系统鲁棒最优开环解耦控制[J]. 系统科学与数学, 2016, 36(7): 1046-1054.
[4] 孙明轩,毕宏博,张杰. 非线性时变系统特征建模与自适应迭代学习控制[J]. 系统科学与数学, 2016, 36(4): 461-475.
[5] 沈虹. 基于LMI优化算法的非均衡蛛网模型多目标控制[J]. 系统科学与数学, 2016, 36(10): 1548-1556.
[6] 傅勤. 大型互联非线性分布参数系统的分散迭代学习控制[J]. 系统科学与数学, 2016, 36(10): 1557-1573.
[7] 曹乾磊,李树荣,赵东亚,曹琪,卢松林. 考虑执行器特性的机械臂全阶滑模控制[J]. 系统科学与数学, 2015, 35(7): 848-859.
[8] 傅勤. 二阶非线性双曲型分布参数系统的迭代学习控制[J]. 系统科学与数学, 2014, 34(3): 284-293.
[9] 刘蕾,张国山. 基于动态补偿的受扰矩形广义系统最优跟踪控制[J]. 系统科学与数学, 2013, 33(4): 383-397.
[10] 傅勤. 大型互联非线性系统的分散迭代学习控制[J]. 系统科学与数学, 2013, 33(11): 1281-1292.
[11] 孙明轩,李芝乐,余林江. 动态系统的一阶特征模型与直线伺服系统的自适应迭代学习控制[J]. 系统科学与数学, 2012, 32(6): 666-682.
[12] 陈彭年,秦化淑,方学毅. 控制增益时变的非线性系统的迭代学习控制[J]. 系统科学与数学, 2012, 32(6): 693-704.
[13] 田森平,周秀锦. 一类广义迭代学习控制系统的状态跟踪算法[J]. 系统科学与数学, 2012, 32(6): 731-738.
[14] 陈彭年,秦化淑. 机械臂系统的自适应跟踪控制[J]. 系统科学与数学, 2012, 32(4): 450-458.
[15] 兰永红, 罗毅平. 线性不确定系统的鲁棒D型迭代学习控制[J]. 系统科学与数学, 2011, 31(6): 697-708.
阅读次数
全文


摘要